CN109359830B - 一种水电站电力交易计划电量分解方法 - Google Patents

Abstract

本发明属于水电调度运行领域，涉及一种水电站电力交易计划电量分解方法，以发电耗水最小为目标，集成电网网架输送限制约束校核及调整策略，采用遗传算法有效确定大型水电站的月度交易计划电量分解方案。具体为：采集电站面临月份实发电量数据，以计算余留的交易计划电量，构建以调度期耗水量最小为目标的电量分解优化模型；采用遗传算法进行模型求解，并按类型将约束分为常规约束和网架输送限制约束两类，分别引入惩罚函数法和多级网架约束校核分解策略进行约束处理，提出网络拓扑结构描述多级网架约束，并采用越限出力削减与转移两阶段调整步骤，保证分解结果满足网架输送限制要求。本发明可以有效减少发电耗水量，具有较好的实用性。

Description

一种水电站电力交易计划电量分解方法

技术领域

本发明属于水电调度运行领域，特别涉及一种水电站电力交易计划电量分解方法。

背景技术

2015年3月中发[2015]9号文的颁布，拉开了我国新一轮电力市场化改革的序幕。云南、内蒙古作为全国首批电力市场化交易试点省份，分别面向水电和煤电作为主要电力交易资源。对于以水电为主的云南电网而言，电力交易近几年实现了快速推进，但也面临很多新的困难。

现阶段，云南电力市场交易多以电量交易形式为主，按照交易周期分年度、月度、日前3个交易周期，其中年度电量市场和月度电量市场占据了绝大部分交易电量，这些中长期交易电量如何形成以月或日为尺度的发电计划，进而如何进行电网安全校核直接关系到交易结果能否实施和履行，是当前电力调度机构业务职能开展的一个难点。在新的电网运行体制下，如何在充分满足电网安全约束条件的基础上，合理分解各电厂中长期交易电量，制定适应电力市场环境和国家节能减排政策的发电调度计划，实现不同类型电源的协调利用，是需要研究的重点。

另一方面，在中长期交易计划电量分解过程中，需要进一步考虑电网侧的输电控制断面，以保证交易计划的可行性。考虑到部分控制断面的网架结构联系极为复杂，校核分析需要大量网络模型参数和预测数据，并进行潮流分析计算，才能判断交易计划是否越限，所以如何在交易计划校核分解中合理描述网架结构就变得极为重要。

针对以上问题，本发明依托国家自然科学基金面上项目(51579029)，提出一种水电站电力交易计划电量分解方法，该方法针对封闭的简单控制断面进行校核分析，其实质可描述为多个电站的出力空间耦合约束，当出现断面越限时，需要采用适合的策略修正断面内各电站计划电量，以满足网络安全约束。该发明通过云南小湾水电站月度交易计划电量分解得到验证，应用表明本发明能够获得合理的电站月度分解执行方案，且较实际常规方式，可以有效减少发电耗水量，具有较好的实用性，为市场环境下水电站交易计划执行提供了技术支持。

发明内容

本发明要解决的技术问题是大型水电站中长期电力交易计划电量校核分解问题，其成果以发电耗水最小为目标，集成电网网架输送限制约束校核及调整策略，采用遗传算法可以有效确定大型水电站的月度交易计划电量分解方案。

本发明技术方案：

一种水电站电力交易计划电量分解方法，主要按照下述步骤完成计划电量的分解过程：

(1)输入水电站的实际发电量、交易计划电量和调度条件，调度条件包括初始水位、来水、基础特征参数和曲线；

(2)计算交易计划余留电量，并建立余留期电量控制约束；

式中：E_t为时段t的发电量，E₀为月交易计划余留电量，T为调度期时段总个数；

(3)以调度期发电耗水量最小为目标，构建水电站交易计划电量分解优化模型，具体如下：

式中：Q_t为t时段的发电流量，Δt为t时段小时数；

(4)采用遗传算法求解水电站交易计划电量分解优化模型，在求解过程中，将时段内的水库发电流量等分，并按照从小到大的顺序排列；这些个体的基因值就是当前流量的真实值，每个时段都有一个真实值，将所有时段内的个体放入一个数组中，形成群体的初始染色体；

(5)采用混沌算法生成初始种群，具体为：

式中：

为控制参数，取值范围是[0,4]；y_n是自变量x第n次的迭代值，取值范围是0到1的随机数；

(6)分别采用赌盘选择、单点交叉、非均匀变异进行选择、交叉、变异操作运行，实现种群进化，并采用下式作为个体适应度函数：

式中：F(X)为变换后的适应度函数，f(X)是目标函数，m为不满足约束条件的决策变量总数量，λ_i是惩罚系数，Q_i是超越约束条件的量；

(7)采用惩罚函数法处理出力限制、水位限制、流量限制的约束，同时提出多级网架约束校核分解策略处理输送限制约束，处理过程包括以下两步：

(a)通过拓扑图形描述网架结构，任一时段多个电站的出力应满足其直接联络线的输送限制，同时需要与其他的电站一起满足上一级联络线的输送限制；

(b)若某时段某联络线关联的电站出力之和大于联络线输送能力，则该网架约束被破坏，需要修正关联电站的出力，具体修正方式见公式(5)；若上级联络线余留容量可以输送该联络线的负荷，则将该联络线对应的调整出力-Δp_b,t转移至余下的联络线；

p'_i,t＝p_i,t+α_i,tΔp_b,t,i∈Ω_i (5)

式中：p_i,t，p'_i,t分别为调整前后的电站出力，i为电站编号，Ω_b为联络线关联的电站集合；Δp_b,t为越限幅度，α_i,t为调整比例；

(8)按照进化代数作为收敛准则，若达到最大的进化代数，则输出电站的月度交易计划电量日分解方案。

本发明有如下有益效果：本发明从实用性和可用性出发，提出水电站电力交易计划电量分解方法。首先采集电站面临月份实发电量数据，以计算余留的交易计划电量，以此作为控制条件，构建以调度期耗水量最小为目标的电量分解优化模型；采用遗传算法进行模型求解，并按类型将约束分为常规约束和网架输送限制约束两类，分别引入惩罚函数法和多级网架约束校核分解策略进行约束处理，对于后者，提出网络拓扑结构描述多级网架约束，并采用越限出力削减与转移两阶段调整步骤，保证分解结果满足网架输送限制要求。相比常规方式(日发电负荷率与电网的负荷率相等)，本发明在满足交易计划电量的情况下，可以减小调度期发电耗水量，通过考虑联络线输送限制约束，可以保证分解的出力过程满足电网安全约束，具有较好的实用性，为市场环境下水电站交易计划分解执行提供了新的技术途径。

附图说明

图1是网架约束描述的拓扑结构示意图；

图2是水电站交易计划分解的遗传算法求解流程图。

图3本发明方法与常规方法分解结果的电量对比图。

具体实施方式

下面结合附图和实施案例对本发明作进一步描述。

在交易计划电量分解过程中，首先需要采集已发实际电量和交易计划电量，并计算余留的交易计划电量，进而考虑电网网架限制约束，构建以调度期耗水量最小为目标的分解优化模型，并采用遗传算法和惩罚函数与网架限制约束耦合处理策略，确定水电站的计划电量分解方案。具体实施方式如下：

(1)数学模型

(a)目标函数

以调度期发电耗水量最小为目标，构建水电站交易计划电量分解优化模型，具体如下：

(b)约束条件

电量平衡约束：

式中：E_t为时段t的发电量，E₀为月交易计划电量。

水量平衡约束：

V_t+1＝V_t+3600×(I_t-Q_t-D_t) (8)

式中：V_t，V_t+1分别为t时段水库初、末库容；I_t，Q_t，D_t分别为t时段水库入库流量、发电流量、弃水流量。

库容曲线条件：

式中：

为t时段水库上游水位。

机组水头约束：

式中：H_i,t为t时段i机组的水头，

分别为i机组的最小和最大水头，

分别为t时段初、末水库上游水位，

为t时段初水库下游水位，ΔH为水头损失。

下游水位流量关系：

库水位约束：

式中：Z_t为t时段的水位，

分别为t时段的最小和最大水位。

发电流量约束：

式中：Q_t为t时段的发电流量，

分别为t时段的最小和最大发电流量。

出库流量约束：

式中：

分别为t时段的最小和最大出库流量。

出力约束：

式中：P_t为t时段的出力，

分别为t时段的最小和最大出力。

网架限制约束：

式中：P_g,t为电厂g在t时段的计划出力，N_d为控制断面的最大出力限制。

非负约束：各种变量为非负。

(2)模型求解

(a)遗传算法

本发明采用遗传算法求解上述数学模型，见图2。在求解过程中，将时段内的水库发电流量等分，并按照从小到大的顺序排列。这些个体的基因值就是当前流量的真实值，每个时段都会有一个真实值，将所有时段内的个体放入一个数组中，就形成了群体的初始染色体。

采用混沌算法生成初始种群，具体为：

式中，

为控制参数，其取值范围是[0,4]，y_n是自变量x第n次的迭代值，取值范围是0到1上的随机数。

分别采用赌盘选择、单点交叉、非均匀变异进行选择、交叉、变异操作运行，实现种群进化，并采用下式作为个体适应度函数。

式中，F(X)为变换后的适应度函数，f(X)是目标函数，m为不满足约束条件的决策变量总数量，λ_i是惩罚系数，Q_i是超越约束条件的量。

(b)约束处理策略。

采用惩罚函数法处理出力限制、水位限制、流量限制等约束，同时提出多级网架约束校核分解策略处理复杂的输送限制约束，处理过程主要包括以下两步：

(b1)通过拓扑图形描述网架结构，见图1，可以看出，任一时段多个电站的出力应满足其直接联络线的输送限制，同时需要与其他的电站一起满足上一级联络线的输送限制。

(b2)若某时段某联络线关联的电站出力之和大于联络线输送能力，则该网架约束被破坏，需要修正关联电站的出力，以联络线b为例，具体调整方式见公式(20)；若上级联络线余留容量可以输送联络线b的负荷，则可以将该联络线对应的调整出力-Δp_b,t转移至联络线c。

p'_i,t＝p_i,t+α_i,tΔp_b,t,i∈Ω_i (20)

式中：p_i,t，p'_i,t分别为调整前后的电站出力，Δp_b,t为越限幅度，α_i,t为调整比例。

在求解过程中，采用进化代数作为收敛准则，若达到最大的进化代数，则算法收敛，并输出电站的月度交易计划电量日分解方案。

现以小湾水电站月度交易计划电量分解为例，进行本发明方法验证。以实际某月的交易计划电量为控制条件，并参考实际日径流过程，月初水位、出力上下限、水位上下限等作为模型的输入条件，采用本发明方法进行月度交易计划电量分解，同时在相同条件下，也采用常规方法进行分解，并与本发明方法进行对比分析。图3为两种方法得到的分解方案的日电量过程，表1为本发明方法得到日发电量。首先，两种方法得到的分解方案都满足了给定的交易计划电量控制要求，从水位过程来看，期末水位基本相同，但本发明方法在相同发电量条件下的256478.4万m³，较常规方法节省2998.1万m³的水量，减小了发电耗水，提高了水能利用率。此外，两种方法均满足了网架约束限制，但本发明通过充分利用联络线通道能力，有效实现了日间水力和电力补偿，为降低发电水耗提供了条件。

表1每日计划发电量(单位：MWh)

Claims (1)

1.一种水电站电力交易计划电量分解方法，其特征在于，步骤如下：

(1)输入水电站的实际发电量、交易计划电量和调度条件，调度条件包括初始水位、来水、基础特征参数、上游水位-库容曲线和下游尾水位-出库流量曲线；

(2)计算交易计划余留电量，并建立余留期电量控制约束；

式中：E_t为时段t的发电量，E₀为月交易计划余留电量，T为调度期时段总个数；

(3)以调度期发电耗水量最小为目标，构建水电站交易计划电量分解优化模型，具体如下：

式中：W(T)为调度期发电耗水量，Q_t为t时段的发电流量，Δt为t时段小时数；

(4)采用遗传算法求解水电站交易计划电量分解优化模型，在求解过程中，将时段内的水库发电流量等分，并按照从小到大的顺序排列；这些个体的基因值就是当前流量的真实值，每个时段都有一个真实值，将所有时段内的个体放入一个数组中，形成群体的初始染色体；

(5)采用混沌算法生成初始种群，具体为：

式中：

为控制参数，取值范围是[0,4]；y_n是自变量x第n次的迭代值，取值范围是0到1的随机数；

(6)分别采用赌盘选择、单点交叉、非均匀变异进行选择、交叉、变异操作运行，实现种群进化，并采用下式作为个体适应度函数：

式中：F(X)为变换后的适应度函数，f(X)是目标函数，m为不满足约束条件的决策变量总数量，λ_i是惩罚系数，Q_i是超越约束条件的量；

(7)采用惩罚函数法处理出力限制、水位限制、流量限制的约束，同时提出多级网架约束校核分解策略处理输送限制约束，处理过程包括以下两步：

(a)通过拓扑图形描述网架结构，任一时段多个电站的出力应满足其直接联络线的输送限制，同时需要与其他的电站一起满足上一级联络线的输送限制；

(b)若某时段某联络线关联的电站出力之和大于联络线输送能力，则该网架约束被破坏，需要修正关联电站的出力，具体修正方式见公式(5)；若上级联络线余留容量输送该联络线的负荷，则将该联络线对应的调整出力-Δp_b,t转移至余下的联络线；

p'_i,t＝p_i,t+α_i,tΔp_b,t,i∈Ω_b (5)

式中：p_i,t，p'_i,t分别为调整前后的电站出力，i为电站编号，Ω_b为联络线关联的电站集合；Δp_b,t为越限幅度，α_i,t为调整比例；

(8)按照进化代数作为收敛准则，若达到最大的进化代数，则输出电站的月度交易计划电量日分解方案；

所述的约束条件如下：

水量平衡约束：

V_t+1＝V_t+3600×(I_t-Q_t-D_t) (6)

式中：V_t，V_t+1分别为t时段水库初、末库容；I_t，Q_t，D_t分别为t时段水库入库流量、发电流量、弃水流量；

库容曲线条件：

式中：

为t时段水库上游水位；f(V_t)表示t时段水库上游水位与t时段水库初库容的函数关系；

机组水头约束：

式中：H_i,t为t时段i机组的水头，

分别为i机组的最小和最大水头，

分别为t时段初、末水库上游水位，

为t时段初水库下游水位，ΔH为水头损失；

下游水位流量关系：

库水位约束：

式中：Z_t为t时段的水位，

分别为t时段的最小和最大水位；f(Q_t)表示t时段初水库下游水位与t时段水库出库流量的函数关系；

发电流量约束：

式中：Q_t为t时段的发电流量，

分别为t时段的最小和最大发电流量；

出库流量约束：

式中：

分别为t时段的最小和最大出库流量；

出力约束：

式中：P_t为t时段的出力，

分别为t时段的最小和最大出力；

网架限制约束：

式中：P_g,t为电厂g在t时段的计划出力，N_d为控制断面的最大出力限制，G为电厂数量的总个数；

非负约束：各种变量为非负。

Images